| 基于高维空间划分的神经网络分类学习模型 |
| |
| 引用本文： | 黄金才,陈文伟,赵侠,黄宏斌,张维明,邓苏.基于高维空间划分的神经网络分类学习模型[J].南京大学学报(自然科学版),2003,39(2):194-204. |
| |
| 作者姓名： | 黄金才 陈文伟 赵侠 黄宏斌 张维明 邓苏 |
| |
| 作者单位： | [1]国防科技大学系统管理与科学系，长沙410073 [2]国防科技大学数学系，长沙410073 |
| |
| 摘 要： | 基于高维空间划分的原理，提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法。从理论上证明基于CC模型的神经网络的容错性比MP网络要好，而且网络的隐层节点个数远远少于FP网络的隐层神经元个数，对于分类问题其计算复杂性仅为多项式（上界≤O(p^2),p为样本个数。该网络有明确的几何和物理意义，具有持续学习和噪声数据处理能力，适合大规模数据挖掘领域。
|
| 关 键 词： | 高维空间划分 分类学习模型 神经网络 非线性神经元 CC模型 数据挖掘 分类函数 |
The Model of Neural Network Classifier in High-dimension Space |
| |
| Abstract: | |
| |
| Keywords: | neural networks nonlinear CC model |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
